経営に革新をもたらす新次元のAI「予測分析自動化技術」とは｜日本経済新聞 電子版特集(PR)
業務データやセンサデータなど、膨大なデータがビジネスの現場に日々蓄積されている。これらのいわゆるビッグデータを素早く分析し、次の打ち手につなげることは、企業にとってきわめて重要な経営課題となってきている。 世界のトップ企業では「予測分析技術（Predictive Analytics）」に注目が集まっている。データ分析から“予測モデル”をつくるテクノロジーだ。未来が高精度に予測可能になれば、ビジネスチャンスは飛躍的に増大する。顧客の行動を先取りしたり、部品の故障発生を予測するなど、業種業態を問わずその活用が広がりつつある。 日本電気（以下NEC）は、独自の「予測分析自動化技術」を昨年末に発表、2017年度中に顧客に提供できるよう準備を進めている。これは最先端のAI技術群「NEC the WISE」を駆使した新技術だ。昨年行ったNEC、三井住友銀行（以下SMBC）および日本総合研究所の共同実証
のび太と学ぶ「機械学習」～FX予測プログラムを作成～【第1話】if文作戦 - Qiita
本シリーズでは、「FXの予想プログラム」を作りながら、機械学習・ディープラーニングを解説します。 （注）のび太くんは有名漫画のキャラとは一切関係ありません。 あらすじ 「のび太と機械学習」は、20歳の大学生、のび太くんが主人公です。 大学生のび太くんは、お小遣い欲しさにFXに興味を持ちます。 そんなのび太くんに、家庭教師のすぐるさんが、機械学習を解説し、FX予測プログラムを一緒に作ります。 残念なことに、FX予測プログラムは、ちょっとしか儲かりませんでした。 ・ ・ ・ のび太くんはその後、学んだ機械学習を生かして、D-mind社を起業し、汎用人工知能を作り上げます。 高齢になったのび太くんは、D-mind社をTMR社に売却し、TMR社の工場で22世紀、汎用人工知能搭載型ロボットが誕生します。 この物語は、そんな汎用人工知能搭載型ロボット誕生につながる、のび太くんの機械学習・勉強記録です。
Home — TensorFlow
Deploy ML on mobile, microcontrollers and other edge devices
スキャルピングとは|1分足チャートで稼ぐ手法・コツ
FXでも株式でも、トレードの花形といえばスキャルピングやデイトレードではないでしょうか。 取引画面上を次から次へと流れるニュース。目まぐるしく変動する為替レート。それらを見ながらチャンスを待つトレーダー。そして、チャンスと見れば取引を開始します。 スキャルピングの特徴 スキャルピングの特徴を考える場合、比較対象があると分かりやすいです。そこで、デイトレードやスイングトレードなどと比較しながら考えましょう。 スキャルピングをしている割合 最初に、実際にスキャルピングをしている人の割合はどれくらいだろう？というのを確認しましょう。 下は、一般社団法人金融先物取引業協会が2018年に実施したアンケート調査の結果です（有効回答数：1,000）。 FXの投資方針 FXの投資方針を見ますと、およそ半数の人が「値幅による利益重視であり短期間決済」を選択しています。 すなわち、スキャルピング、デイトレード
TensorFlowを使った為替(FX)のトレードシステムを作るチュートリアル ～システムのセットアップからトレードまで～ - Qiita
TensorFlowを使った為替(FX)のトレードシステムを作るチュートリアル ～システムのセットアップからトレードまで～機械学習システムトレードTensorFlowjiji 機械学習ライブラリ「TensorFlow」と、オープンソースのシステムトレードフレームワーク「Jiji」を組み合わせて、機械学習を使った為替(FX)のトレードシステムを作るチュートリアルです。 システムのセットアップからはじめて、機械学習モデルの作成、トレーニング、それを使って実際にトレードを行うところまで、具体例を交えて解説します。 システム構成 次のようなシステムを作ります。 Jijiのバックテスト機能を使ってトレードデータを収集。これをTensorFlowに入力してモデルをトレーニングします。 予測する内容については後述。 訓練したモデルを使って予測結果を返すREST APIを作り、トレード時にJijiから呼び
遺伝的アルゴリズムでFX自動売買 その2 進化する売買AIの実装 - Qiita
前回の記事 pythonと遺伝的アルゴリズムで作るFX自動売買システム その1 今回作るモノ 前回のその1では基本的なAIと全体の仕組みを書いたので今回は複雑な売買AIを定義して、実際に遺伝的アルゴリズムで進化させていきます。 複雑な売買AIを定義 ■ 仕様 現在レート、4時間平均レート、24時間平均レート、過去25営業日の最高値と最安値、過去25営業日の最高値と最安値から何日経過したかで、現在の相場をパターン分けし過去10年の売買データから適切（適切な値は遺伝的アルゴリズムで計算して過去のデータから求める）な注文を行う。 ■ 動作例 通貨:ドル円 現在時刻: 2015年10月1日 10:00:00 現在レート: 120.00円 4時間平均レート: 119.80円 24時間平均レート: 119.40円 過去25営業日の最高値: 121.75円 過去25営業日の最安値: 117.25円 過去
pythonと遺伝的アルゴリズムで作るFX自動売買システム その1 - Qiita
作ったモノ 次の機能を実装してみました 1. 最新の為替レートを取得し続けるプログラム 2. AIを稼働させ自動売買するプログラム 3. 最新のデータを元に新しいAIを遺伝的アルゴリズムで生成するプログラム 4. AIのパフォーマンスを測定して引退と取引通貨単位を管理するプログラム 背景 OANDAが提供している取引用APIが、かなり良い感じだったので実現できました。 特に1通貨単位(1ドル単位)で売買できるため、AI100個動かし取引を重ねても損失は1日数十円に収まります。試験時に売買システムがバグで暴走しても安心です。このAPIが無ければ個人では実現出来なかったので、良い時代になったなーと思います。 http://developer.oanda.com/rest-live/development-guide/ 遺伝的アルゴリズムの特徴 最適化問題の準最適解を短時間で解ける。 最適化問題
Anaconda で Python 環境をインストールする - Qiita
Python やそのパッケージをインストールする方法はいくつかありますが、ここでは Anaconda を使ってインストールする方法を紹介します。 私の周りでは Anaconda で環境構築をすることと Python コミュニティ標準の方法をとることの是非についての議論をよく見かけます。自分の目的にあったものを選択すれば良いと思いますが、初心者にとってどちらが目的に叶うものかを判断するのは難しいことかもしれません。 以下にディストリビューターとして Anaconda (Continuum Analytics 社) が提供している価値について私見をまとめました。 Anaconda は Environment Isolation Tool (環境分離ツール) ではない 一方で Python コミュニティ公式のバイナリーディストリビューションを提供するツールである wheel も充実してきました。
ゼロからはじめるPython(1) Pythonをインストールしよう
第三次人工知能ブームが到来し、機械学習やディープラーニング(深層学習)が注目を集めている。ニュースでも、様々な分野で業務の効率化に成功した話が頻繁に取り上げられている。そして、その屋台骨として使われているのが、プログラミング言語がPythonであることをご存じだろうか。 もうずいぶん前からPythonは世界で人気のプログラミング言語だったが、最近まで日本ではそれほど盛り上がっているとは言えなかった。しかし、この人工知能ブームのおかげもあって、日本でもPython人気に火が点いた。 もともと、Pythonには、データ解析や自然言語処理、画像処理など、機械学習を行う上で欠かせない便利なライブラリが豊富に揃っていたため、ディープラーニングを行うための基礎があったと言える。 そこで、本連載では、人気のプログラミング言語「Python」を実践で活用する方法を紹介していく。その第一回目となる今回は、P
総務省｜平成29年版 情報通信白書｜PDF版
Copyright © 2009 Ministry of Internal Affairs and Communications All Rights Reserved.
これさえ読めばすぐに理解できる強化学習の導入と実践
強化学習の位置づけ 教師あり学習 教師なし学習 強化学習 強化学習の応用事例 Atariの攻略 AlphaGo ロボットの自動動作獲得 ファイナンスへの応用 広告配信の最適化 OpenAI Gymを使ってQ-learningを実装してみる 状態 行動 報酬 実装 参考文献 ディープラーニングなどの機械学習技術の進歩によって、過去のデータから学習する技術は大きく進化し、写真の中に写っている対象を認識することや病気の診断、多言語間の翻訳をする性能を著しく向上させることができました。 すでにその性能は専門的な教育を受けた人間の能力と同等 [1] か超えている分野もあるほどです。 一方で、人間にはデータを与えなくとも自ら経験から学び、スキルを上達させることができます。特に何も教えられなくとも、経験からゲームを攻略することやロボットの正しい動作の仕方を学んでいくことができます。 機械学習の中でも、こ
(保存版:随時更新) データ前処理手法まとめ by Team AI - Qiita
データ分析の現場では実務上非常に大事な前処理。 でもどの手法を選んでいいのか初心者には見えにくいし、 漏れなくダブりなく(MECE)網羅された手法一覧が欲しいよね！という議論から、 我々Team AIでは隔週でデータ前処理研究会をはじめました。 スケジュール => www.team-ai.com 地味なテーマですが、大切だと思っているので、このページで少しずつノウハウを蓄積し、 みなさんの業務に活かしていただきたいと思っています。 ご意見ご感想 & 新たな情報等、是非活発にコメントください。 初回： 2018/11/11 追加 Kaggle CTOオススメの活用法 http://blog.team-ai.com/8steps-for-studying-ai/ データ前処理の一部分が特徴量エンジニアリング Data Preprocessing For Non-Techies: Basic T
AI開発を失敗させたくない人にオススメなDEBRAフレームワーク
はじめにAIブームが叫ばれて久しいですが、 現在でもなお、AI開発の成功の方程式はできていません。 特に、メディア各社のお陰で顧客や上司のAIに対する期待値が異常に上がっている中で、 発注者側に十分情報が行き渡っていない為に(お客様に悪気はないのですが、結果として)ふわふわした話が多く、 要件定義のやりにくさを感じているエンジニアさんも多いはずです。 Team AIでは、 自社でのAI開発経験を通して、 そんなAI開発を失敗させない為の独自メソッドを開発しました。 上司・顧客ヒアリングの時に下記のポイントを押さえ、 客観的に見てバランスのとれた最適方向にプロジェクトを進めて行くと、 失敗しにくいと思います。 なお、話をシンプルに一般化するために、 Team AIの様なAI開発会社が顧客と要件定義する状況に絞ります。 社内開発においても類似の状況はあるかと思います。 押さえたいポイント5つ=
糖尿病網膜症を97.5%の高い感度で検出可能！Googleが開発した人工知能による眼科診察とは
糖尿病網膜症の現状 糖尿病網膜症を検出する技術 データセット アルゴリズム 結果 終わりに 参考 Googleは全社的にヘルスケア領域にディープラーニングを活用することに対して積極的です。DeepMindは2016年の7月には大手眼科病院のMoorfieldsとパートナーシップを発表し、眼疾患の早期発見と患者への正しい治療を提供することを目的として共同開発を開始しています。 そして今回、Google BrainチームはJAMAに「Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs」というタイトルで糖尿病網膜症の診察プロセスを変えうる研究成果の発表をしました。 糖尿病網膜症の現状 糖尿病網膜症は、失
AIの開発で最初に抑えておくべき7つの原則
1. 明確なゴール設定 有益な目的を持った開発にすること 反社会的にならず、人類にとって有益であること 2. 透明性と信頼 信頼性 透明性 3. アカウンタビリティ（説明責任） 4. 安全性の確保 監視と停止 セキュリティ システムの攻撃性 5. ベネフィトの共有 有益な知識はシェアしましょう システムによる利点を広く多くの人々へのシェア 6. ヒューマンコントロールの担保 人間が設定した目的をすること 自己学習や自己管理をするAIの場合にはデザインに注意すること 7. 改善と尊重 常に改善を続けること まとめ AIの開発が盛んになり、世の中の殆どの人がその恩恵を受けることになったら、どのような世界が広がるのでしょうか。 例えば、自動運転車が実現すると、交通事故は無くなり、道に迷うことも、自然エネルギーの無駄遣いも無くなるでしょう。 また、賢いロボットが誕生して、単調な仕事は無くなるのかも
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
機械学習によるデータ分析まわりのお話